基于小波變換的圖像去噪方法研究課件

1、基于小波變換的圖像去噪方法研究01研究背景與意義03噪聲及去噪圖像質(zhì)量評價(jià)02傳統(tǒng)去噪方法04基于小波變換圖像去噪05調(diào)用到的程序以及函數(shù)Contents目錄06比較并得出結(jié)論現(xiàn)實(shí)中的圖像由于種種原因都是帶噪聲的。噪聲惡化了圖像質(zhì)量，使圖像模糊，甚至淹沒和改變特征，給圖像分析和識(shí)別帶來困難。為了去除噪聲，會(huì)引起圖像邊緣的模糊和一些紋理細(xì)節(jié)的丟失。反之，進(jìn)行圖像邊緣增強(qiáng)也會(huì)同時(shí)增強(qiáng)圖像噪聲。實(shí)驗(yàn)表明，基于小波變換的圖像去噪方法應(yīng)用于農(nóng)產(chǎn)品圖像去噪具有信噪比高、視覺效果好等優(yōu)點(diǎn)，將小波變換用于農(nóng)產(chǎn)品圖像去噪是有效、可行的。因而本文進(jìn)行了基于小波變換的對圖像去噪方法的研究。闡述了小波去噪原理和方法，

2、初步探討了小波去噪中的閾值選取，并基于MATLAB實(shí)現(xiàn)了小波去噪中軟、硬閾值的計(jì)算機(jī)仿真，并對實(shí)驗(yàn)結(jié)果進(jìn)行了分析比較。容請寫在這里您的內(nèi)容請寫在這里您的內(nèi)容請寫在這里您的內(nèi)容您的內(nèi)容請寫在這里研究背景圖像去噪是圖像處理研究領(lǐng)域中的一個(gè)基礎(chǔ)而又重要的問題。在農(nóng)業(yè)信息化、智能化、自動(dòng)化分級與檢測和機(jī)器視覺等領(lǐng)域，涉及到大量的農(nóng)產(chǎn)品圖像處理問題，圖像去噪作為重要的圖像預(yù)處理步驟之一。在傳統(tǒng)的去噪方法中，有效的去噪和保留圖像細(xì)節(jié)信息是非常矛盾的 ，其去噪效果都不是很理想。小波變換在對圖像進(jìn)行去噪的同時(shí)，又能成功地保留圖像的邊緣信息。研究意義5依據(jù)噪聲對圖像的影響，可將噪聲分為加性噪聲和乘性噪聲兩大類。

3、由于乘性噪聲可以通過變換當(dāng)加性噪聲來處理，因此我們一般重點(diǎn)研究加性噪聲。加性噪聲中包括椒鹽噪聲、高斯噪聲等典型的圖像噪聲，所以本文去噪的主要目的是去掉高斯噪聲和椒鹽噪聲對圖像的影響。噪聲小波變換小波能夠消噪主要得益于小波變換具有低觴性、多分辨率特性、去相關(guān)性、基函數(shù)選擇靈活。2022/10/48含噪圖像閾值選擇小波分解小波重構(gòu)圖像小波高頻系數(shù)處理小波去噪流程小波閾值法的一個(gè)中心問題是閾值的確定，閾值選取的好壞直接關(guān)系到圖像去噪效果的好壞，如果選取較小的閾值，可以盡可能多的保留小波系數(shù)，從而可能保留更多的圖像信息，但同時(shí)噪聲也被保留下來。反過來，如果設(shè)定一個(gè)較大的閾值，這樣可以消除更多的噪聲，同

4、時(shí)也會(huì)損失圖像中的高頻信息。硬閾值函數(shù):小波系數(shù)的絕對值不小于設(shè)定閾值，令其保持不變作為估計(jì)小波系數(shù)，否則的話，令其為零。硬閾值函數(shù):小波系數(shù)的絕對值不小于設(shè)定閾值，令其減去設(shè)定閾值作為估計(jì)小波系數(shù)，否則的話，令其為零。閾值的選取通用閾值：本文設(shè)定閾值： 閾值函數(shù)的選取比較不同母小波函數(shù)對小波閾值去噪影響小波函數(shù)db2分解后重構(gòu)圖像小波函數(shù)sym4分解后重構(gòu)圖像原圖像含噪圖像對同類型噪聲不同濾波法去噪效果對比維納濾波硬閾值去噪軟閾值去噪椒鹽噪聲圖像加入密度為0.01的椒鹽噪聲：中值濾波均值濾波對含有不同噪聲類型的同一圖像采用這幾種濾波方法進(jìn)行處理部分程序close all;clear all;

5、clc;%關(guān)閉所有圖形窗口，清除工作空間所有變量，清除命令行I=imread(F:matlabbinfanshiliu.jpg);I=rgb2gray(I);I=im2double(I);J=imnoise(I,gaussian,0,0.01);PSF=fspecial(average,3);%產(chǎn)生PSFL=imfilter(J,PSF);%均值濾波K=medfilt2(J,3,3);%中值濾波M=wiener2(J,3,3);%自適應(yīng)維納濾波c,l=wavedec2(J,2,sym4);%用sym4小波函數(shù)對圖像進(jìn)行兩層分解a2=wrcoef2(a,c,l,sym4,2);%重構(gòu)第2層圖像的

6、近似系數(shù)n=1,2;%設(shè)置尺度向量p=10.28,24.08;%設(shè)置閾值向量nc=wthcoef2(t,c,l,n,p,s);mc=wthcoef2(t,nc,l,n,p,s);N=waverec2(mc,l,db2);figure;subplot(321);imshow(I);xlabel(圖1-1 原圖像)subplot(322);imshow(J);xlabel(圖1-2 高斯噪聲圖像)subplot(323);imshow(K);xlabel(圖1-3 均值濾波)subplot(324);imshow(L);xlabel(圖1-4 中值濾波)subplot(325);imshow(M)

7、;xlabel(圖1-5 維納濾波)subplot(326);imshow(N);xlabel(圖1-6 小波閾值去噪)結(jié)論中值濾波是常用的非線性濾波方法，對椒鹽噪聲特別有效，取得了很好的效果，而對高斯噪聲效果不佳。B維納濾波對高斯噪聲有明顯的抑制作用，相對與均值濾波和中值濾波，維納濾波對這兩種噪聲的抑制效果更好，缺點(diǎn)就是容易失去圖像的邊緣信息。C小波閾值去噪對小波系數(shù)進(jìn)行閾值處理可以在小波變換域中去除低幅值的噪聲和不期望的信號，效果最好。D均值濾波是典型的線性濾波，對高斯噪聲的抑制是比較好的，但對椒鹽噪聲的抑制作用不好，椒鹽噪聲仍然存在，只不過被削弱了而已。A2022/10/4小波閾值圖像去噪方法可以去除圖像的絕大部分噪聲，有較好的效果，但是由于閾值函數(shù)和閾值選取方式自身存在的問題，設(shè)置的閾值并不能完全去除圖像噪聲，還會(huì)由于閾值函數(shù)的問題而使去噪后的圖像視覺效果不佳，這就需要對閾值函數(shù)和閾值選取方式進(jìn)行不斷的改進(jìn)，得到可以更好地去除圖像噪聲的小波閾值去噪方法。實(shí)際應(yīng)用中去噪2022/10/4本次是對已知噪聲圖像進(jìn)行去噪處理，實(shí)際應(yīng)用中，處理噪聲圖像前應(yīng)明確以下兩點(diǎn)：(1)圖像受到何種類型的噪聲干擾；(2)受噪